計算廣告 互聯(lián)網(wǎng)商業(yè)變現(xiàn)的市場與技術(shù) 第2版

第一部分　在線廣告市場與背景

第1章　在線廣告綜述3

1.1　免費模式與互聯(lián)網(wǎng)核心資產(chǎn)4

1.2　大數(shù)據(jù)與廣告的關(guān)系5

1.3　廣告的定義與目的7

1.4　在線廣告表現(xiàn)形式9

1.5　在線廣告簡史15

第2章　計算廣告基礎(chǔ)20

2.1　廣告有效性原理21

2.2　互聯(lián)網(wǎng)廣告的技術(shù)特點23

2.3　計算廣告的核心問題24

2.3.1　廣告收入的分解25

2.3.2　結(jié)算方式與eCPM估計的關(guān)系26

2.4　在線廣告相關(guān)行業(yè)協(xié)會29

2.4.1　交互廣告局29

2.4.2　美國廣告代理協(xié)會30

2.4.3　美國國家廣告商協(xié)會30

第二部分　在線廣告產(chǎn)品邏輯

第3章　在線廣告產(chǎn)品概覽33

3.1　商業(yè)產(chǎn)品的設(shè)計原則34

3.2　廣告系統(tǒng)的產(chǎn)品接口35

3.2.1　廣告主層級組織與投放管理35

3.2.2　供給方管理接口38

3.2.3　供需之間多種接口形式39

第4章　合約廣告41

4.1　廣告位合約42

4.2　受眾定向43

4.2.1　受眾定向方法概覽43

4.2.2　受眾定向標簽體系46

4.2.3　標簽體系的設(shè)計思路47

4.3　展示量合約48

4.3.1　流量預測49

4.3.2　流量塑形50

4.3.3　在線分配50

4.3.4　產(chǎn)品案例51

第5章　搜索廣告與競價廣告53

5.1　搜索廣告54

5.1.1　搜索廣告產(chǎn)品形態(tài)55

5.1.2　搜索廣告產(chǎn)品新形式57

5.1.3　搜索廣告產(chǎn)品策略60

5.1.4　產(chǎn)品案例62

5.2　位置拍賣與機制設(shè)計64

5.2.1　市場保留價65

5.2.2　定價問題66

5.2.3　價格擠壓68

5.2.4　Myerson最優(yōu)拍賣69

5.2.5　定價結(jié)果示例69

5.3　競價廣告網(wǎng)絡(luò)70

5.3.1　廣告網(wǎng)絡(luò)產(chǎn)品形態(tài)71

5.3.2　廣告網(wǎng)絡(luò)產(chǎn)品策略72

5.3.3　產(chǎn)品案例73

5.4　競價廣告需求方產(chǎn)品74

5.4.1　搜索引擎營銷74

5.4.2　交易終端75

5.4.3　產(chǎn)品案例75

5.5　競價廣告與合約廣告的比較77

第6章　程序化交易廣告78

6.1　實時競價79

6.2　其他程序化交易方式82

6.2.1　優(yōu)選82

6.2.2　私有市場83

6.2.3　程序化直投84

6.2.4　廣告交易方式譜系84

6.3　廣告交易平臺85

6.4　需求方平臺87

6.4.1　需求方平臺產(chǎn)品策略87

6.4.2　出價策略88

6.4.3　出價和定價過程89

6.4.4　重定向89

6.4.5　新客推薦91

6.4.6　產(chǎn)品案例92

6.5　供給方平臺94

6.5.1　供給方平臺產(chǎn)品策略94

6.5.2　HeaderBidding95

6.5.3　產(chǎn)品案例96

第7章　數(shù)據(jù)加工與交易99

7.1　有價值的數(shù)據(jù)來源100

7.2　數(shù)據(jù)管理平臺102

7.2.1　三方數(shù)據(jù)劃分102

7.2.2　第一方數(shù)據(jù)管理平臺102

7.2.3　第三方數(shù)據(jù)管理平臺103

7.2.4　產(chǎn)品案例104

7.3　數(shù)據(jù)交易的基本過程107

7.4　隱私保護和數(shù)據(jù)安全109

7.4.1　隱私保護問題109

7.4.2　程序化交易中的數(shù)據(jù)安全111

7.4.3　歐盟的通用數(shù)據(jù)保護條例113

第8章　信息流與原生廣告115

8.1　移動廣告的現(xiàn)狀與挑戰(zhàn)116

8.1.1　移動廣告的特點117

8.1.2　移動廣告的傳統(tǒng)創(chuàng)意形式117

8.1.3　移動廣告的挑戰(zhàn)119

8.2　信息流廣告121

8.2.1　信息流廣告的定義121

8.2.2　信息流廣告產(chǎn)品關(guān)鍵123

8.3　其他原生廣告相關(guān)產(chǎn)品124

8.3.1　搜索廣告125

8.3.2　軟文廣告125

8.3.3　聯(lián)盟125

8.4　原生廣告平臺126

8.4.1　表現(xiàn)原生與場景原生126

8.4.2　場景的感知與應用127

8.4.3　植入式原生廣告128

8.4.4　產(chǎn)品案例130

8.5　原生廣告與程序化交易134

第三部分　計算廣告關(guān)鍵技術(shù)

第9章　計算廣告技術(shù)概覽137

9.1　個性化系統(tǒng)框架138

9.2　各類廣告系統(tǒng)優(yōu)化目標139

9.3　計算廣告系統(tǒng)架構(gòu)140

9.3.1　廣告投放引擎142

9.3.2　數(shù)據(jù)高速公路143

9.3.3　離線數(shù)據(jù)處理143

9.3.4　在線數(shù)據(jù)處理144

9.4　計算廣告系統(tǒng)主要技術(shù)144

9.5　用開源工具搭建計算廣告系統(tǒng)146

9.5.1　Web服務(wù)器Nginx146

9.5.2　分布式配置和集群管理工具ZooKeeper148

9.5.3　全文檢索引擎Lucene148

9.5.4　跨語言通信接口Thrift149

9.5.5　數(shù)據(jù)高速公路Flume150

9.5.6　分布式數(shù)據(jù)處理平臺Hadoop150

9.5.7　特征在線緩存Redis151

9.5.8　流計算平臺Storm152

9.5.9　高效的迭代計算框架Spark152

第10章　基礎(chǔ)知識準備154

10.1　信息檢索155

10.1.1　倒排索引155

10.1.2　向量空間模型157

10.2　最優(yōu)化方法158

10.2.1　拉格朗日法與凸優(yōu)化159

10.2.2　下降單純形法160

10.2.3　梯度下降法160

10.2.4　擬牛頓法162

10.3　統(tǒng)計機器學習167

10.3.1　最大熵與指數(shù)族分布168

10.3.2　混合模型和EM算法169

10.3.3　貝葉斯學習171

10.4　統(tǒng)計模型分布式優(yōu)化框架174

10.5　深度學習175

10.5.1　深度神經(jīng)網(wǎng)絡(luò)優(yōu)化方法176

10.5.2　卷積神經(jīng)網(wǎng)絡(luò)（CNN）177

10.5.3　遞歸神經(jīng)網(wǎng)絡(luò)（RNN）178

10.5.4　生成對抗網(wǎng)絡(luò)（GAN）180

第11章　合約廣告核心技術(shù)181

11.1　廣告排期系統(tǒng)182

11.2　擔保式投送系統(tǒng)183

11.2.1　流量預測185

11.2.2　頻次控制186

11.3　在線分配188

11.3.1　在線分配問題188

11.3.2　在線分配問題舉例190

11.3.3　極限性能研究192

11.3.4　實用優(yōu)化算法193

第12章　受眾定向核心技術(shù)201

12.1　受眾定向技術(shù)分類202

12.2　上下文定向203

12.3　文本主題挖掘205

12.3.1　LSA模型206

12.3.2　PLSI模型206

12.3.3　LDA模型207

12.3.4　詞嵌入word2vec208

12.4　行為定向209

12.4.1　行為定向建模問題210

12.4.2　行為定向特征生成211

12.4.3　行為定向決策過程214

12.4.4　行為定向的評測215

12.5　人口屬性預測217

12.6　數(shù)據(jù)管理平臺218

第13章　競價廣告核心技術(shù)220

13.1　競價廣告計價算法220

13.2　搜索廣告系統(tǒng)222

13.2.1　查詢擴展223

13.2.2　廣告放置226

13.3　廣告網(wǎng)絡(luò)227

13.4　廣告檢索229

13.4.1　布爾表達式的檢索230

13.4.2　相關(guān)性檢索234

13.4.3　基于DNN的語義建模238

13.4.4　最近鄰語義檢索241

第14章　點擊率預測模型247

14.1　點擊率預測248

14.1.1　點擊率基本模型248

14.1.2　LR模型優(yōu)化算法249

14.1.3　點擊率模型的校正256

14.1.4　點擊率模型的特征257

14.1.5　點擊率模型評測262

14.1.6　智能頻次控制264

14.2　其他點擊率模型264

14.2.1　因子分解機264

14.2.2　GBDT265

14.2.3　深度學習點擊率模型267

14.3　探索與利用268

14.3.1　強化學習與E&E268

14.3.2　UCB方法270

14.3.3　考慮上下文的bandit271

第15章　程序化交易核心技術(shù)272

15.1　廣告交易平臺273

15.1.1　cookie映射273

15.1.2　詢價優(yōu)化277

15.2　需求方平臺278

15.2.1　定制化用戶標簽280

15.2.2　DSP中的點擊率預測282

15.2.3　點擊價值估計283

15.2.4　出價策略284

15.3　供給方平臺284

第16章　其他廣告相關(guān)技術(shù)286

16.1　創(chuàng)意優(yōu)化287

16.1.1　程序化創(chuàng)意287

16.1.2　點擊熱力圖288

16.1.3　創(chuàng)意的發(fā)展趨勢289

16.2　實驗框架291

16.3　廣告監(jiān)測與歸因292

16.3.1　廣告監(jiān)測292

16.3.2　廣告安全294

16.3.3　廣告效果歸因295

16.4　作弊與反作弊296

16.4.1　作弊的方法分類296

16.4.2　常見的作弊方法297

16.5　產(chǎn)品技術(shù)選型實戰(zhàn)301

16.5.1　媒體實戰(zhàn)302

16.5.2　廣告主實戰(zhàn)304

16.5.3　數(shù)據(jù)提供方實戰(zhàn)306

第四部分　附錄

附錄　主要術(shù)語及縮寫索引311

參考文獻317